论文部分内容阅读
由于我国独特的能源结构,火力发电将在未来较长一段时间内继续占据主导地位,结合国家重构绿色有序电力生态、组建安全高效能源体系的需求,研究火力机组的优能降耗及综合能效评估体系,进而实现火力发电能效水平的提高具有较为深刻的现实意义。同时,随着电力系统信息集成化的推广普及,火电厂站积累了海量运行数据,如何挖掘出数据中隐藏的价值并加以利用,进而指导火电机组的优化运行以促进绿色电力的发展,已成为当下火力发电研究领域的热点问题。针对此问题,将大数据技术引入火电机组的运行优化研究中,通过构建电厂大数据分析平台,实现挖掘算法的同步并行化改进,以火电机组实际运行数据为研究对象,完成关联规则分析学习,确定全运行周期内机组运行参量的目标值以及建立和完善能效综合评估体系,以指导机组优化运行。首先,通过电力大数据定义及其“3V3E”基本特性的阐述分析,明确了电厂大数据的基本特性。针对电厂大数据的分析过程,对其内涵提出分析层级概念,对其形式提出完整分析周期理念,进而具象为电厂大数据分析链。同时,针对电厂大数据处理技术欠缺的现状,提出构建电厂大数据分析平台,引入批处理和流处理两种数据处理技术,通过运行数据流与分析平台的数据交互,实现大数据的价值挖掘和知识获取。其次,针对具体超超临界燃煤机组及联合循环机组的海量运行数据进行质量分析,指出其质量缺陷原因及相应改善策略,即进行数据检测及预处理工作。在数据检测工作中,分别采用方差阈值判断法及移动平均法实现数据的稳态提取及同步处理。在预处理流程中,通过对传统BP神经网络算法予以动态调整及自动变化的改进,实现遗失值的补充;通过结合电厂大数据分析平台上MapReduce架构实现传统K-Means聚类算法的并行化改进,以提高其海量数据分析能力,从而高效完成了数据离散化。再次,采用关联规则算法确定火力机组运行目标值,结合属性约简及MapReduce架构对其进行改进,完成了数据集的精简及数据集分块并行处理,实现了运行资源的节约及计算效率的提高。针对超超临界燃煤机组及联合循环机组,采用改进后的高效关联规则算法,分别实现其运行的全工况优化及协同优化,确定运行目标值作为运行优化的参考指标,并针对节约的燃料进行经济效益估算。最后,分析现有能效评估方法的特点,针对联合循环机组能效综合评估机制匮乏的现状,结合通过大数据技术确定的运行目标值,提出基于气耗敏度分布列及改进主成分分析的能效综合评估体系。通过气耗敏度多级分布列的求解,量化各参量对机组能耗的实时影响并可逐级确定能耗影响关键参量;引入对数中心变化策略及熵值法实现主成分分析评估的科学化、客观化改进,针对机组综合指标做出合理的全面评估。并开发联合循环性能监测与评估系统,实现能效综合评估的可视化。